Académique Documents
Professionnel Documents
Culture Documents
Rapport Important 2conom2trie PDF
Rapport Important 2conom2trie PDF
****************
Du cours de
Ecole Nationale de la Statistique et de l’Analyse Economique (ENSAE)
Rédigé par :
Sous l’encadrement de :
Monsieur Mayoro DIOP,
Sous l’encadrement de :
Février 2013
Avant-propos ........................................................................................................................................... 3
Introduction............................................................................................................................................. 4
I. Pertinence du thème de l’étude et revue de littérature ................................................................. 5
II. Spécification du modèle et estimations .......................................................................................... 7
II.1 Définition des variables et présentation des données .................................................................. 7
II.2. Le modèle, ses hypothèses et estimations................................................................................. 11
III. Validation du modèle ................................................................................................................ 16
IV. Prévision .................................................................................................................................... 23
Conclusion ............................................................................................................................................. 25
Avant-propos
L’Ecole Nationale de la Statistique et de l’Analyse Economique (ENSAE-Sénégal),
membre du réseau des grandes écoles de statistiques d’Afrique francophone, est une école
qui a pour vocation la formation des cadres de conception, d’application et d’exécution en
statistique. Elle forme, en effet, dans ses trois unités, des Ingénieurs Statisticiens
Economiques (ISE), des Ingénieurs des Travaux Statistiques (ITS) et des Techniciens
Supérieurs de la Statistique (TSS). L’entrée à l’ENSAE est conditionnée par la réussite à un
concours. Ce concours est organisé sur le plan national pour l’entrée dans l’unité TSS et
requiers le diplôme du baccalauréat scientifique. Il devient sous régional pour les autres
unités de formations et est organisé de concert avec les autres écoles du réseau. Le diplôme
requis pour participer à ce concours est la licence pour l’unité ISE et le baccalauréat pour la
filière ITS.
Par ailleurs, nous souhaitons rappeler ici que nous assumons l’entière responsabilité
de toutes les erreurs et fautes que le lecteur pourrait relever dans ce document. Aucune
œuvre humaine n’étant parfaite, nous vous saurons gré, des différentes remarques que vous
nous ferez parvenir.
Introduction
Au Sénégal comme dans la plupart des économies sous-développées, la mobilisation
de l’épargne intérieure est un véritable problème pour les gouvernants. S’il est vrai que les
différents agents qui composent la sphère économique sénégalaise n’ont pas une
propension marginale très forte à épargner, il est aussi vrai que savoir pourquoi cette
propension n’est pas aussi significative aiderait davantage nos gouvernants à mieux définir
et orienter les politiques de stimulation de l’épargne intérieure. C’est dans ce souci de mieux
appréhender les différents agrégats qui pourraient contribué à l’explication de ce faible taux
d’épargne et de son faible mouvement dans le temps que le présent thème qui fait l’objet de
notre TP a été proposé. Il s’agira donc pour nous de trouver les principaux déterminants du
taux d’épargne intérieure brute du Sénégal en utilisant des données temporelles. Nous
élaborerons donc un modèle économétrique scientifiquement élaboré et reposant sur des
arguments économiquement fiables. Dans notre étude, nous prendrons comme acquis
l’hypothèse de stationnarité et de non co-intégration des variables et utiliserons les
différents outils économétriques assimilés en classe et issus de nos recherches personnelles
pour répondre efficacement à la question posée.
Ainsi, dans une première partie nous allons rappeler la pertinence de notre étude et
les études et théories ayant déjà été faites ou élaborées sur le sujet afin de circonscrire la
liste des variables qui nous sembleront pertinentes à intégrer dans notre modèle. Dans la
deuxième partie, nous spécifierons ce modèle en présentant les variables et les données
devant faire l’objet de notre étude. Nous estimerons ensuite le modèle et le validerons à
l’aide des différents tests statistiques qui nous semblerons les plus appropriés dans la
troisième partie. Enfin, afin de confirmer la bonne qualité du modèle retenu, nous ferons
une prévision des quatre dernières valeurs de la série originale du taux d’épargne. C’est
l’objet de la dernière partie de ce document.
I. Pertinence du thème de l’étude et revue de littérature
Il s’agira ici de justifier le thème que nous avions choisit et son importance dans le
contexte économique actuel du Sénégal. Le second point abordé ici constitue un résumé
des différentes recherches effectuées sur les déterminants de l’épargne intérieure au
Sénégal.
La revue de littérature
Sur le plan théorique, deux modèles économiques semblent s’imposer dans l’analyse
des déterminants du taux d’épargne. D’une part la théorie de l’ajustement des stocks qui a
été largement développée par Hounthakker et Taylor (1966). Cette théorie reconnait une
corrélation positive entre le taux d’épargne présent et ses valeurs aux périodes précédentes
par le biais d’un processus d’ajustement continu régissant tout comportement économique.
D’autre part la théorie du cycle de vie qui stipule que le profil chronologique de la
consommation du ménage (et donc de l’épargne) dépends de différents facteurs dont les
plus importants sont : le taux d’intérêt sur le marché (même raisonnement chez les
classiques en considérant que le taux d’intérêt est le loyer de l’argent), le taux de préférence
temporelle sur le marché, l’espérance de vie à la naissance, l’âge à la retraite, le PIB par
habitant et le taux de croissance du PIB réel (car en effet les différents motifs d’épargnes
n’engendrent une épargne globale positive des ménages que dans une économie en
expansion).
De façon empirique, les résultats obtenus à partir des études sur les déterminants de
l’épargne des ménages ont aboutis à des conclusions variées selon que l’analyse soit
temporelle ou longitudinale.
Quant aux résultats des travaux de Hadji Michael, Ghura, Muhleisen, R. Nord et E. Murat
uces (1995) qui ont tous utilisé des données temporelles afin de faire ressortir la relation
existante entre épargne domestique ou épargne intérieure et un certain nombre d’autres
variables dans 39 pays africains subsahariens, leurs conclusions sont semblables. Les
variables de revenu telles que le PIB par habitant ou le taux de croissance du PIB réel ont
une influence positive sur le niveau de l’épargne. Aussi, la stabilité macroéconomique au
sein des pays considérés constitue une importante donnée dans la stimulation de l’épargne
car un faible taux d’inflation combiné avec un ratio du déficit budgétaire bas induit une
épargne accrue. De même, le taux d’inflation, les variations des termes de l’échange,
l’accroissement de la masse monétaire, le taux d’intérêt réel ainsi que le ratio de
dépendance entretiennent une corrélation forte avec le taux d’épargne.
II. Spécification du modèle et estimations
Pour mieux cerner les principaux déterminants de l’épargne intérieure au Sénégal, il
importe avant l’estimation de notre modèle de définir toutes les variables retenues pour
l’analyse. Nous présenterons également dans cette partie les données qui nous serviront
pour l’évaluation empirique ainsi que les hypothèses qui sous-tendent notre modèle. La
période retenue pour cette étude couvre les années 1974 à 2010, soit 37 observations
annuelles. Dans le modèle nous utiliserons 32 observations pour l’estimation (1975-2006) et
le reste servira de comparaison après la prévision.
16
12
0
1975 1980 1985 1990 1995 2000 2005 2010
Ainsi, l’effet net d’une variation du taux d’intérêt réel sur l’effort d’épargne consenti
par les agents économiques, relèverait de l’empirisme, étant donné que deux effets de sens
contraires s’opposent ici : l’effet de substitution positif et l’effet-revenu négatif. Nous
laissons donc le problème ouvert jusqu’à l’estimation de notre modèle afin d’apprécier le
sens dans le cas du Sénégal.
Les graphiques de toutes les variables explicatives exceptée le taux d’épargne retardé
et les effets de la dévaluation sont présentés ci-dessous. Toutes ces variables sauf le PIBH, le
TINT, l’IPC et le RD sont libellés en pourcentage du PIB.
Figure 2: évolution des différentes variables explicatives au cours de la période 1974-2010
Après examen des graphiques, il importe de prendre le logarithme des variables qui
ne présentent pas de valeurs négatives pour atténuer les fluctuations.
Pour tout on a :
Sous la forme matricielle, nous avons :
Avec ; ;
( ) ( )
et
( ) ( )
Les hypothèses sur lesquelles repose ce modèle sont les hypothèses standard du
modèle linéaire multiple à savoir :
A partir de ce modèle, nous allons utiliser la méthode dite de « pas à pas » avec
« bacward regression » pour ne retenir que les variables qui contribuent significativement à
l’explication du taux d’intérêt. Une estimation naïve du modèle sous le logiciel « Eviews »
nous donne le résultat ci-après :
D’après ces résultats, notre régression est de bonne qualité. Le R2 nous dit qu’environ
90% des variations du taux d’épargne sont expliquées par les variations des différentes
variables exogènes incluses dans le modèle. Mais au vu des tests de significativité des
coefficients qui se révèlent non conluants pour la plupart des exogènes, un examen
approfondi des relations qu’entretiennent ces variables explicatives s’imposent. Ainsi, la
matrice de corrélation entre ces variables nous donne ce qui suit :
DLEIB DEV CPIB BP_COURANTS IPC LEVN LM2 LOGDCFMEN LPIBH RD TINT
DLEIB 1,000000
DEV 0,256838 1,000000
CPIB 0,292692 0,228392 1,000000
BP_COURANTS 0,147054 0,260887 0,131749 1,000000
IPC -0,043341 -0,154139 -0,021072 0,003970 1,000000
LEVN 0,291733 0,768892 0,105845 0,014718 -0,450589 1,000000
LM2 0,087361 0,468397 0,021403 -0,299159 -0,289912 0,561232 1,000000
LDCFMEN -0,020475 0,459057 -0,169341 -0,047316 -0,295932 0,777083 0,378240 1,000000
LPIBH -0,117640 0,055247 0,331551 -0,199724 -0,035960 -0,062203 0,630679 -0,184681 1,000000
RD 0,016004 0,755213 0,258904 0,215113 -0,142690 0,513937 0,679157 0,300695 0,573638 1,000000
TINT -0,174213 -0,889112 -0,214326 -0,291617 0,227691 -0,670169 -0,344466 -0,418186 -0,047334 -0,728867 1,000000
Mais pour confirmer nos soupçons nous allons calculer le facteur d’influence de la
variance (VIF). Ce facteur est le principal critère de détermination de la multi colinéarité
générale. Il dépasse donc le cadre de la corrélation bi variée que « détecte » le test de Klein. Pour
détecter la multi colinéarité en effet, il faudrait effectuer la régression de chaque exogène X j sur
les (p-1) autres exogènes, puis étudier leur coefficient de détermination R² j. plus le facteur sera
élevé (considérons ici >10) pour une variable Xj, et plus la variance de l’estimateur du coefficient
de cette variable ( ̂ sera élevée. L’estimateur ( ̂ sera donc très instable, et aura moins de
chances d’être significatif dans le test de nullité du coefficient dans la régression.
Si C est la matrice des corrélations entre les exogènes, de taille (p*p) le facteur d’inflation
de la variance peut être lue à la coordonnée j de la diagonale principale de la matrice inversée C-
1
. Cette matrice est reproduite sur le tableau 2 et les cases colorées sont les VIF des exogènes.
Ainsi, nous pouvons conclure définitivement que l’espérance de vie à la naissance et le ratio de
dépendance se révèlent comme des variables superflues dans le modèle. C'est-à-dire qu’elles
sont trop corrélées avec les autres variables. Une autre variable aussi suffisamment corrélée aux
autres est la variable indicatrice que nous avions introduite dans le modèle pour capter l’effet de
la dévaluation. Etant donc une variable clef pour l’analyse, nous la maintenons dans notre
modèle tout en corrigeant la multi colinéarité.
DLEIB DEV CPIB BP_COURANTS IPC LEVN LM2 LOGDCFMEN LPIBH RD TINT
DLEIB 1,72261676 0,25816684 -0,51110545 -0,551672385 -0,39890981 -1,29889269 -1,04165832 0,97956593 0,40214843 1,051503092 0,31583785
DEV 0,25816684 12,7581151 -0,78933551 -0,391458115 -2,06869017 -6,04300454 -1,87122917 2,94163185 3,82276607 -4,91167355 4,71279212
CPIB -0,51110545 -0,78933551 2,2042324 0,146068648 0,00072831 -1,7448706 2,47556699 0,49225095 -2,43913882 0,219459416 -0,34224938
BP_COURANTS -0,55167238 -0,39145811 0,14606865 2,112870311 0,4642984 0,48297246 1,77127059 -0,07893337 0,62834699 -2,47494141 -0,77577393
IPC -0,39890981 -2,06869017 0,00072831 0,4642984 1,8310319 2,45282211 0,49543929 -0,88287926 0,08961649 -0,41162189 -1,04066451
LEVN -1,29889269 -6,04300454 -1,7448706 0,482972461 2,45282211 13,4038414 -4,11888489 -5,62902678 2,52447904 1,41225237 -0,03192394
LM2 -1,04165832 -1,87122917 2,47556699 1,771270587 0,49543929 -4,11888489 8,71744393 0,12379842 -4,88448198 -2,51375022 -2,68000496
LDCFMEN 0,97956593 2,94163185 0,49225095 -0,078933366 -0,88287926 -5,62902678 0,12379842 4,51382401 0,93217265 -1,34396857 0,29201243
LPIBH 0,40214843 3,82276607 -2,43913882 0,628346987 0,08961649 2,52447904 -4,88448198 0,93217265 8,34050336 -5,51345153 -0,11568465
RD 1,05150309 -4,91167355 0,21945942 -2,474941407 -0,41162189 1,41225237 -2,51375022 -1,34396857 -5,51345153 12,03953242 3,26794117
TINT 0,31583785 4,71279212 -0,34224938 -0,775773929 -1,04066451 -0,03192394 -2,68000496 0,29201243 -0,11568465 3,267941166 6,73656097
Ainsi, en utilisant les critères AIC (Akaike info criterion) et BIC (Schwarz criterion), nous
sommes parvenus à éliminer les variables qui rendaient notre modèle plus complexe sans
apporter un gain majeur en information. C'est-à-dire sans expliquer significativement la variable
dépendante. Le principe est simple. A partir du modèle réduit à 09 variables explicatives (sans
LEVN et RD), nous avions éliminé une à une les exogènes qui permettent de diminuer l’AIC (ou
augmenter le BIC) et de continuer ainsi tant que la suppression d’une variable améliore le critère.
Pour vérifier l’auto corrélation des résidus, l’un des tests les plus utilisés est celui de
Durbin Watson qui détecte l’auto corrélation d’ordre 1. Malheureusement, la valeur de
notre statistique ici est comprise entre d1 et d2 de la table de Durbin Watson. Ce qui ne
nous permet pas de conclure car c’est la zone d’incertitude. Nous faisons donc un examen
graphique rapide de la situation avant de passer au test de Breusch Godfrey.
Cet examen nous permet de soupçonner une auto corrélation d’ordre 1. Ce qui est
confirmé par le test de Breusch Godfrey au seuil de 5% que nous avions effectué. Ainsi, pour
corriger cette auto corrélation, nous avions rajouté dans le modèle, toutes les variables
explicatives retardées d’ordre 1. L’estimation du nouveau modèle et l’élimination des
exogènes non significatifs nous a conduit à retenir deux variables retardées qui corrigent
définitivement le problème de l’auto corrélation des erreurs. La situation est résumée dans
les figures qui suivent.
Figure 7: test de Breush Godfrey
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/11/13 Time: 05:12
Sample: 1975 2006
Included observations: 32
Presample missing value lagged residuals set to zero.
Son estimation est faite à la figure 8. Tous les coefficients des exogènes y sont significatifs au
seuil de 5%.
Figure 8: estimation du modèle corrigé de l'auto corrélation
Le test de normalité
Le test de normalité effectué sur les résidus nous permet de validé l’hypothèse de
normalité. En effet, la p-value associée à la statistique de Jacques Bera étant inférieur à 0,5
nous rejetons l’hypothèse nulle de non normalité des résidus avec 95% de confiance.
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 02/11/13 Time: 05:30
Sample: 1975 2006
Included observations: 32
Value df Probability
t-statistic 1.184243 23 0.2484
F-statistic 1.402432 (1, 23) 0.2484
Likelihood ratio 1.894034 1 0.1687
F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 0.065861 1 0.065861
Restricted SSR 1.145990 24 0.047750
Unrestricted SSR 1.080129 23 0.046962
Unrestricted SSR 1.080129 23 0.046962
LR test summary:
Value df
Restricted LogL 7.865436 24
Unrestricted LogL 8.812453 23
Interprétation du modèle
Les différents tests de validation du modèle s’étant révélés concluant, nous avons
donc le modèle définitif suivant :
IV. Prévision
L’un des objectifs majeurs de l’économétrie est d’effectuer des prévisions. Notre
modèle étant validé, nous pouvons nous attendre à une bonne reconstitution des taux
d’épargne de 2007 à 2010 par la réqression. Pour effectuer la prévision, nous utilisons les
valeurs des variables explicatives de la période 1982-2010, les valeurs prédites qui nous
concernent étant celles de la période colorée en jaune au tableau 3.
obs 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
LEIBF 1,99 1,10 1,34 1,53 1,13 1,66 1,00 1,18 1,06 1,00 0,84 0,15 1,71 1,96 1,68 1,93 2,10 2,44 2,35 2,27 1,97 2,17 2,21 2,63 2,23 2,30 2,18 2,47 2,42
LEIB 1,73 1,21 1,43 1,76 1,28 1,94 1,29 1,06 0,86 1,06 0,86 -0,09 1,34 1,97 1,78 2,15 2,19 2,39 2,41 2,24 1,91 2,17 2,07 2,65 2,37 2,15 1,96 2,23 2,38
Source : Banque Mondiale, nos calculs sous Eviews
Figure 13: graph du taux d'épargne reconstitué par le modèle avec l'intervalle de confiance
Pour voir si les données prédites sont toutes dans l’intervalle de confiance, nous allons
visualiser les séries LEIB (taux d’épargne intérieur réel), LEIBF (taux d’épargne intérieur prédit par
le modèle), LEIBF_SUP (borne supérieure de l’intervalle de confiance), LEIBF_INF (borne
inférieure). On obtient le graphique suivant :
Le graphique confirme l’analyse du coefficient de Theil effectué plus haut. Notre modèle a
bien prédit les valeurs.
Conclusion
Au terme de notre analyse il ressort clairement que le taux d’épargne intérieure brute au
Sénégal est expliqué à 85% ( ̅ ) par le taux d’intérêt réel du marché, le PIB par habitant,
la dépense de consommation finale des ménages, le degré d’approfondissement financier du
pays et les variables retardées d’ordre 1 que sont le taux d’épargne et la consommation finale
des ménages. Il faut aussi noter l’effet positif de la dévaluation sur l’épargne intérieure, effet qui
a servit à relever le niveau de cette épargne après l’année 1994. Au travers de cette analyse
économétrique, nous sommes un peu plus éclairés désormais sur les variables clés qui pourraient
influencer positivement ou négativement sur l’épargne au Sénégal. Nous avions pu utiliser la
majorité des notions et test statistiques vus en classe au cours d’économétrie du modèle
linéaire. Nous nous sommes ainsi confrontés à la pratique et ceci a permis de renforcer et
d’approfondir nos connaissances en matière de construction de modèle économétrique fiable et
valable en particulier les modèles linéaires. S’il est vrai que nous n’avions pas abordé les
problèmes de stationnarité dans ce TP, nous en aurons l’occasion de le faire beaucoup plus en
détail avec le cours de Série Temporelles. La validité réelle de ce modèle est donc sous réserve
de vérification de la stationnarité et de la co-intégration des exogènes au cas où certaines
variables seront intégrées d’ordre 1.